ComfyUI sur Fedora 43 : Deux environnements virtuels + Démarrage en un clic (mars 2026)

Objectif : Conserver deux venvs Python (ex. 3.12 + 3.14) pour la compatibilité, mais lancer ComfyUI automatiquement avec une configuration propre et légère.
Publié:
Aleksandar Stajić
Mis à jour: 1 mars 2026 à 10:36
ComfyUI sur Fedora 43 : Deux environnements virtuels + Démarrage en un clic (mars 2026)

ComfyUI sur Fedora 43 : Deux environnements virtuels + Démarrage en un clic (mars 2026)

Date : Mars 2026
OS : Fedora 43
Objectif : Conserver deux venvs Python (ex. 3.12 + 3.14) pour la compatibilité, mais démarrer ComfyUI automatiquement avec une configuration propre et légère.

Enterprise Delivery Operating System

Ce guide fait partie de la série Enterprise Delivery Operating System. Utilisez ces hubs de catégories pour naviguer dans l'ensemble de la pile (infra → workflows → gouvernance).

Architecture

Architecture de référence pour l'Enterprise Delivery Operating System.

DevOps & Runtime

Déploiements, services, ports, opérations d'exécution et répétabilité.

Outils IA & Automatisation

Pile IA locale, orchestration, automatisation et workflows stables.

Sécurité & Conformité

Permissions, durcissement et paramètres par défaut sécurisés pour les systèmes d'IA locaux.

Observabilité & Performance

Optimisation des performances, surveillance, budgétisation VRAM/RAM et stabilité.

Pourquoi conserver deux venvs ?

Les outils d'IA évoluent rapidement. Certains nœuds et wheels sont en retard sur la version la plus récente de Python, tandis que d'autres l'exigent.

  • venv Python 3.12 → « ennuyeux mais compatible » (TensorRT/LW wheels/Lightning sont souvent plus stables)
  • venv Python 3.14 → fonctionnalités les plus récentes, mais les wheels manquantes / problèmes d'importation sont courants

Règle : ne mélangez jamais les installations entre les venvs. Lancez toujours ComfyUI depuis le venv souhaité.

Configuration : Un script par venv

Créez un petit script de lancement qui :
1) se déplace dans le dossier ComfyUI
2) active le venv choisi
3) lance ComfyUI sur localhost

1) Créer un lanceur pour le venv Python 3.12

mkdir -p ~/.local/bin

cat > ~/.local/bin/comfyui-start-312.sh <<'EOF'
#!/usr/bin/env bash
set -euo pipefail

cd /home/x/ai/ComfyUI
source /home/x/ai/ComfyUI/.venv312/bin/activate
exec python main.py --listen 127.0.0.1 --port 8188
EOF

chmod +x ~/.local/bin/comfyui-start-312.sh

2) (Optionnel) Créer un lanceur pour le venv Python 3.14

cat > ~/.local/bin/comfyui-start-314.sh <<'EOF'
#!/usr/bin/env bash
set -euo pipefail

cd /home/x/ai/ComfyUI
source /home/x/ai/ComfyUI/.venv/bin/activate
exec python main.py --listen 127.0.0.1 --port 8189
EOF

chmod +x ~/.local/bin/comfyui-start-314.sh

Maintenant, vous pouvez exécuter l'une ou l'autre version sans réfléchir :

  • ~/.local/bin/comfyui-start-312.sh
  • ~/.local/bin/comfyui-start-314.sh

Démarrage automatique : service utilisateur systemd (meilleure option)

Cela lance ComfyUI à la connexion, redémarre en cas de plantage et reste minimaliste (pas de root, pas de wrappers lourds).

1) Créer le service utilisateur pour 3.12

mkdir -p ~/.config/systemd/user

cat > ~/.config/systemd/user/comfyui312.service <<'EOF'
[Unit]
Description=ComfyUI (Python 3.12 venv)
After=network.target

[Service]
Type=simple
WorkingDirectory=/home/x/ai/ComfyUI
ExecStart=/home/x/.local/bin/comfyui-start-312.sh
Restart=on-failure
RestartSec=2
Environment=PYTHONUNBUFFERED=1

[Install]
WantedBy=default.target
EOF

2) Activer + démarrer

systemctl --user daemon-reload
systemctl --user enable --now comfyui312.service
systemctl --user status comfyui312.service --no-pager

3) Journaux (débogage)

journalctl --user -u comfyui312.service -f

(Si vous voulez aussi le service 3.14, répétez l'opération avec comfyui314.service et l'autre script.)

GUI en un clic : Lanceur de bureau (ouvrir ComfyUI dans le navigateur)

Ceci crée une entrée d'application dans votre menu. En cliquant dessus :
1) lance le service
2) ouvre l'interface dans votre navigateur

mkdir -p ~/.local/share/applications

cat > ~/.local/share/applications/comfyui.desktop <<'EOF'
[Desktop Entry]
Type=Application
Name=ComfyUI (Local)
Comment=Start ComfyUI and open the UI
Exec=sh -lc 'systemctl --user start comfyui312.service; xdg-open http://127.0.0.1:8188'
Icon=utilities-terminal
Terminal=false
Categories=Graphics;AI;
EOF

Notes pour éviter les erreurs courantes

  • Si vous voyez pip s'installer dans ~/.local/..., vous n'êtes pas dans le bon venv (ou vous ne l'avez pas activé).
  • Si un nœud échoue avec pkg_resources manquant → installez setuptools à l'intérieur du venv choisi : source /home/x/ai/ComfyUI/.venv312/bin/activatepython -m pip install -U pip setuptools wheel
  • Les échecs des nœuds TensorRT sont normaux sur les versions plus récentes de Python : si vous n'en avez pas besoin, désactivez ce dossier de nœuds personnalisés.

Lectures suivantes

Si vous souhaitez approfondir, ces guides se connectent directement à la configuration ci-dessus :

Nœuds ComfyUI : corrections de dépendances (Lightning, pkg_resources, ffmpeg)

Corrigez les échecs d'importation de nœuds courants et maintenez la stabilité de votre pile ComfyUI au fil des mises à jour.

Deux venvs, deux ports, zéro confusion

Exécutez proprement plusieurs instances de ComfyUI : ports, services et profils prévisibles.

Budgétisation de la VRAM : ce qui réduit réellement les OOM

Tactiques pratiques pour la VRAM : modes d'attention, tailles de modèles, traitement par lots et limites réelles.

Sécurisation de l'IA locale : permissions, sandboxing et paramètres par défaut sécurisés

Réduisez les risques sur les systèmes d'IA locaux : permissions de fichiers, isolation des services et paramètres par défaut plus sûrs.

Compromis (rapide)

service utilisateur systemd

  • ✅ stable, redémarrage automatique, faible surcharge, propre
  • ⛔ nécessite une configuration initiale unique

lanceur de bureau

  • ✅ flux de travail en un clic
  • ⛔ dépend toujours de l'interface utilisateur du navigateur

deux venvs

  • ✅ le meilleur des deux mondes (compatibilité + dernières versions)
  • ⛔ vous devez séparer les ports/services pour éviter toute confusion

Related Articles

OpenAI Agents API vs Agents SDK vs Responses API : sur quoi devriez-vous construire en 2026 ?

OpenAI Agents API vs Agents SDK vs Responses API : sur quoi devriez-vous construire en 2026 ?

La stack d'agents d'OpenAI a changé en septembre 2026. Ce guide d'architecture sépare l'API Agents, le SDK Agents, l'API Responses et le SDK Codex selon la propriété du runtime — afin que les équipes puissent choisir la bonne limite de contrôle au lieu de comparer des noms de produits.

Google I/O 2026 : pivots architecturaux, IA agentique et confrontation à la réalité de l'écosystème unifié

Google I/O 2026 : pivots architecturaux, IA agentique et confrontation à la réalité de l'écosystème unifié

Google I/O 2026 n'était pas seulement un événement dédié aux modèles. Il a révélé une transition de plateforme plus profonde à travers les modèles Gemini, les outils de développement, les interfaces liées à Android et les appareils intelligents. Cet article décrypte la keynote comme un article de référence pour les ingénieurs, les architectes et les équipes produit qui doivent distinguer les implications réelles sur le runtime de la hype des présentations sur scène.

Guide complet des déclencheurs de rollback dans les runbooks IA d'entreprise

Guide complet des déclencheurs de rollback dans les runbooks IA d'entreprise

Ce guide explore les déclencheurs de rollback, mécanismes essentiels dans les runbooks d'IA d'entreprise qui détectent automatiquement les anomalies et initient des rollbacks pour maintenir la stabilité du système. Apprenez à configurer, surveiller et optimiser ces déclencheurs pour des déploiements d'IA robustes.

Quectel RM500U-EA dans le ZBT Z8102AX : bandes 5G, o2 Allemagne et comportement du signal en conditions réelles

Quectel RM500U-EA dans le ZBT Z8102AX : bandes 5G, o2 Allemagne et comportement du signal en conditions réelles

Le ZBT Z8102AX utilise un modem Quectel RM500U-EA pour la connectivité 4G et 5G. Lors du premier test pratique, le routeur s'est connecté avec succès à o2 Germany avec la bande LTE 3 et la NR n28. Le modem fonctionne, mais des diagnostics plus approfondis tels que le RSRP, le RSRQ, le SINR, le verrouillage de bande et le comportement des cellules nécessitent encore des tests appropriés.

Pourquoi plus de contexte peut rendre les réponses de l'IA pires

Pourquoi plus de contexte peut rendre les réponses de l'IA pires

Une fenêtre de contexte plus grande ne garantit pas une meilleure réponse. Cet article explique comment la dilution du signal, les preuves contradictoires, l'état obsolète, la sensibilité à la position et la compression avec perte peuvent réduire la fiabilité de l'IA — et présente un test pratique de pression de contexte.

Ollama n'est pas le produit : construire des applications Open-LLM prêtes pour la production

Ollama n'est pas le produit : construire des applications Open-LLM prêtes pour la production

Exécuter un modèle local avec Ollama est facile. Construire une application Open-LLM prête pour la production est plus difficile : cela nécessite du RAG, du contrôle d'accès, de l'abstraction de fournisseur, de l'évaluation, de la journalisation, de la discipline de déploiement et une couche applicative contrôlée autour du modèle.

Qu’est-ce que l’ingénierie du contexte ? Ce que le modèle reçoit avant de répondre

Qu’est-ce que l’ingénierie du contexte ? Ce que le modèle reçoit avant de répondre

L'ingénierie de contexte conçoit les informations qu'un modèle d'IA reçoit avant l'inférence, y compris les invites, la récupération, la mémoire, l'état de l'application, les résultats d'outils et l'historique des conversations.

Invariance du prompt : la conclusion survit-elle au prompt ?

Invariance du prompt : la conclusion survit-elle au prompt ?

Une méthodologie pratique pour tester si la conclusion d'une IA dépend de la manière dont un problème a été formulé. Prompt Invariance compare des formulations originales, en aveugle, inversées et contradictoires, tout en maintenant la structure des preuves sous contrôle.

D'où un LLM tire-t-il ses données ? Sources de données RAG en Python

D'où un LLM tire-t-il ses données ? Sources de données RAG en Python

Un LLM ne connaît pas magiquement vos fichiers, bases de données ou API. Cette suite pratique de la série sur le RAG montre, avec du Python simple, comment des données externes deviennent des preuves récupérables : des fichiers texte et du SQL à la recherche en texte intégral, aux embeddings, à l'assemblage du contexte et à l'appel final au LLM.

Comment savoir si un agent IA a réellement utilisé les bonnes preuves

Comment savoir si un agent IA a réellement utilisé les bonnes preuves

Un agent IA peut citer des sources et tout de même utiliser les mauvais éléments de preuve. Cet article présente une méthode pratique pour vérifier le soutien des affirmations, l'autorité de la source, l'applicabilité, la provenance et si les éléments de preuve ont réellement influencé la réponse.

À quelle distance se trouve une affirmation d’IA des preuves ? — Distance aux preuves

À quelle distance se trouve une affirmation d’IA des preuves ? — Distance aux preuves

Toutes les réponses étayées ne sont pas également proches de leurs preuves. La distance aux preuves est un moyen pratique de décrire combien de transformations, de résumés, d'hypothèses et d'étapes inferentielles séparent une affirmation de l'IA de preuves directement inspectables.

Une Architecture Monorepo Pratique avec Next.js, Fastify, Prisma, et NGINX

Une Architecture Monorepo Pratique avec Next.js, Fastify, Prisma, et NGINX

Explorez une architecture de monorepo pratique utilisant Next.js, Fastify, Prisma et NGINX, mettant en évidence l'intégration et le flux de travail concrets.